#flow-matching Dépôts
Découvrez 35 dépôts GitHub open source actifs associés à #flow-matching, cumulant 63,161 étoiles au total (soit une moyenne de 1,804 étoiles par projet). Le projet en tête de ce thème est SWivid/F5-TTS, avec 15,634 étoiles.
35 dépôts au total
Code officiel pour "F5-TTS : un conteur qui simule un discours fluide et fidèle avec Flow Matching"
Une bibliothèque PyTorch pour l'implémentation d'algorithmes de flow matching, avec des implémentations continues et discrètes de flow matching. Elle comprend des exemples pratiques pour les modalités textuelles et d'image.
Kimi-Audio, un modèle fondamental audio open-source excellent dans la compréhension, la génération et la conversation audio
[ICLR 2025] Pyramidal Flow Matching pour la Modélisation Générative Efficace de Vidéos
Modèle HY-Motion pour la génération de mouvements humains 3D ou d'animations 3D de personnages.
[NeurIPS 2025] Une implémentation officielle de Flow-GRPO : Entraînement de modèles de correspondance de flux via RL en ligne
Modèle texte-parole basé sur Flow Matching avec contrôle de style piloté par emojis
Réimplémentation du modèle d'action vision-langage (VLA) pi0 de Physical Intelligence
Implémentation Pytorch de Transfusion, "Prédire le prochain token et diffuser des images avec un seul modèle multimodal" par MetaAI
[ICASSP 2024] 🍵 Matcha-TTS : Une architecture TTS rapide avec mise en correspondance de flux conditionnelle
Implémentation PyTorch de MeanFlow & iMF (modélisation générative en une étape).
Visualisations interactives de l'intuition géométrique derrière les modèles de diffusion.
[ICLR 2026 Oral] DiffusionNFT: Renforcement de diffusion en ligne avec processus avant
Modèle de base vidéo de niveau industriel pour la génération unifiée de texte en vidéo (T2V) et d'image en vidéo (I2V).
[ICLR 2026] TangoFlux : Ultra rapide et fidèle génération audio à partir de texte avec correspondance de flux
Un cadre unifié pour faciliter le fine-tuning des modèles de Flow Matching
[AAAI 2025, Oral] DepthFM : Estimation rapide de la profondeur monoculaire avec“Flow Matching”
[ICLR 2025] Implémentation officielle de Posterior-Mean Rectified Flow : vers une restauration d'image photoréaliste avec un MSE minimum
Un résumé des travaux connexes sur la correspondance de flux, les interpolants stochastiques
[🚀 ICLR 2026 Oral] NextStep-1 : Génération d'images Autogressive de pointe avec des jetons continus. Un projet de recherche développé par l'équipe d'Intelligence Multimodale de StepFun.
Fiches de préparation bilingues (chinois + anglais) aux entretiens de ML / LLM / diffusion / agents pour le recrutement d’automne en IA — générées par ARIS /interview-cheatsheet, puis rendues par /render-html en fichiers HTML autonomes lisibles partout — ainsi qu’un générateur de pages d’accueil académiques vérifié par recoupement CV→DBLP et des articles longs rédigés par l’auteur 🌱
Implémentation de π₀, l'architecture de modèle fondamental robotique proposée par Physical Intelligence
[ICLR 26] TempFlow-GRPO (Temporal Flow GRPO), un cadre GRPO rigoureux qui capture et exploite la structure temporelle inhérente à la génération basée sur les flux.
Foire aux questions
Quel est le dépôt #flow-matching le plus populaire sur GitHub ?
Le projet #flow-matching open source le mieux classé sur GitHub est SWivid/F5-TTS, avec 15,634 étoiles. Code officiel pour "F5-TTS : un conteur qui simule un discours fluide et fidèle avec Flow Matching"
Quels langages de programmation sont les plus utilisés dans les dépôts #flow-matching ?
Parmi les projets #flow-matching les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, JavaScript.
Comment le classement des dépôts #flow-matching est-il calculé ?
Nous suivons 35 dépôts open source actifs associés à #flow-matching (500+ étoiles), totalisant 63,161 étoiles, avec une moyenne de 1,804 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.